Nuqs 项目中 ESM 与 CJS 模块兼容性问题解析
问题背景
在 Nuqs 2.0.0 版本发布后,部分开发者在使用 Next.js 应用路由时遇到了一个特殊的 ESLint 错误。当开发者尝试从 'nuqs/adapters/next/app' 导入 NuqsAdapter 时,ESLint 会抛出错误:"Package subpath './adapters/next/app' is not defined by 'exports'"。
问题本质
这个问题的根源在于 Node.js 模块系统的兼容性问题。Nuqs 2.0 版本采用了纯 ESM (ECMAScript Modules) 格式,而项目中的 ESLint 及其插件(特别是 eslint-import-resolver-alias)仍然运行在 CommonJS (CJS) 环境下。
当 ESLint 尝试解析模块路径时,它会检查 package.json 中的 exports 字段。在纯 ESM 包中,通常只定义了 import 和 types 字段,而没有为 require 场景提供兼容性支持。这导致 ESLint 的模块解析器无法正确识别模块路径。
技术细节分析
-
模块解析机制:Node.js 的模块解析器会根据 package.json 中的 exports 字段来验证导入路径的有效性。在 ESM 包中,如果没有为 CJS 环境定义 require 字段,CJS 工具链就无法正确解析模块路径。
-
ESLint 的特殊性:虽然 ESLint 8+ 版本本身支持 ESM,但许多 ESLint 插件(特别是那些依赖 resolver 的插件)仍然以 CJS 形式运行。eslint-import-resolver-alias 就是一个典型的 CJS 包,它已经有6年没有更新了。
-
解决方案对比:
- 临时解决方案:在本地修改 package.json,为 require 字段添加一个指向 ESM 文件的路径
- 更优方案:为 require 字段提供一个空的 CJS 文件作为占位符
最终解决方案
Nuqs 团队最终采用了提供空 CJS 文件的方案,这既解决了 ESLint 的模块解析问题,又避免了将 ESM 代码错误地用于 CJS 环境可能带来的潜在问题。这个方案在 2.0.3 版本中得到了实现。
开发者启示
-
当项目从 CJS 迁移到 ESM 时,需要考虑工具链的兼容性问题,特别是那些长期未更新的工具。
-
在 package.json 的 exports 字段中,合理定义 import 和 require 的映射关系是确保跨模块系统兼容性的关键。
-
对于库开发者来说,提供清晰的迁移指南和已知问题说明可以帮助用户更快地解决问题。
这个问题也反映了 JavaScript 生态系统中模块系统过渡期的典型挑战,理解这些底层机制有助于开发者更好地应对类似问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00